如何将Hive表的分区字段插入PG表对应的时间戳字段？

对许2024-06-30 8:49

数据仓库的建设通常是为业务和决策服务的。在数仓开发的应用层阶段，BI可以直接从主题层/业务层取数，而前端需要根据具体的作图需求通过后端查询数据库

作图的指标需要根据主题层/业务层做查询计算，然后将查询的结果导出到数据库以供前端作图。这个过程可以称为从数据仓库到OLTP数据库的ETL过程

然而，在ETL过程中，最棘手的问题就是数据类型兼容性问题，简单来说就是如何做数据类型转化，因为ETL的输入和输出是不同的系统

ETL的实现通常需要专门的工具或软件，例如DataX、Sqoop、Kettle等。当然，在湖仓一体化的环境下，ETL的成本将极大降低，因为我们可以直接使用SQL实现

例如，如何将Hive表的分区字段（string）通过SQL插入PG表对应的时间戳（timestamp）字段？

在PostgreSQL中，时间戳（timestamp）类型主要用于存储日期和时间的值，包括年、月、日、时、分、秒和小数秒

例如，我们已经创建了一个应用层PG表，该表包含了某个作图图表的一些指标字段和一个时间戳（timestamp）字段，现在需要将Hive查询计算的结果插入到该PG表，其中分区（string）字段对应到PG表的时间戳字段（timestamp）

如何进行转换以确保插入成功？

在PostgreSQL中，根据声明日期时间类型的方式，只需要使用日期时间的字符串格式yyyy-MM-dd HH:mm:ss，直接在字符串的前面使用数据类型进行转换就可以了

sql 复制代码

insert into pg_table (col1,col2,...,stat_date)
select 
col1,
col2,
...,
timestamp ('2024-06-01 00:00:00') as stat_date 
from hive_table

因此，我们只需要将Hive的分区字段转换成yyyy-MM-dd HH:mm:ss格式，并使用timestamp声明即可完成插入

总的来说，湖仓一体化场景下，ETL的成本大大降低了，但是企业对用工人员的要求更高了，工人不仅需要熟悉数据仓库，还需要熟悉一些常见的数据库，以及它们之间如何融合使用